开发和验证一种易于使用的瘤测试仪,用于预测患有瘤的患者
Xin Yang1, Shengjie Ding1, Jinlu Guo1
1Department of Gastroenterology, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, 430022, China.
Scientific reports
|August 26, 2025
概括
通过血型,CA19-9,IgG4,厌食症和减肥来区分良性和恶性胰腺瘤. 这种工具提供了早期,高效的胰腺癌风险分层,以改善患者转诊.
科学领域:
- 癌症学
- 医疗诊断
- 生物统计学
背景情况:
- 胰腺瘤是一个难以诊断的挑战, 通常需要侵入性手术.
- 早期区分良性和恶性胰腺病变对于及时干预和改善患者结果至关重要.
研究的目的:
- 开发和验证一种用于区分良性和恶性胰腺瘤的实用名录.
- 在临床环境中建立一个可访问的风险分层工具.
主要方法:
- 分析了一组494名胰腺组织病理确认的患者.
- 多变量逻辑回归确定了独立的预测因子:血型,CA19- 9,IgG4,厌食症和体重减轻.
- 接收器操作特性 (ROC) 曲线分析和校准曲线评估了模型性能.
主要成果:
- 在ROC曲线下的面积为0.932 (开发) 和0.957 (验证) 的高精度.
- 临床决策曲线分析显示了显著的净益.
- 风险分层确定了低 (< 4%),中等 (4% - 71%) 和高 (> 71%) 的恶性瘤概率.
结论:
- 开发的诺米图是早期分化胰腺恶性瘤的有效和用户友好的工具.
- 它可以在各种医疗机构实施,以方便患者迅速转诊.
- 这有助于改善胰腺癌患者的治疗.
更多相关视频
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
376
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
193
